1. Produkter
  2.   PDF
  3.   PHP
  4.   PDF-to-Text
 
  

Gratis PHP API til at konvertere PDF eller specifik del til tekst

Open source PHP-bibliotek, der giver softwareudviklere mulighed for at udtrække tekst fra PDF'er eller en specifik side i en PDF-fil inden for PHP-applikationer.

Hvad er PDF-til-tekst?

PDF'er er et standardformat for digitale dokumenter på tværs af alle brancher—fra finans og sundhedspleje til uddannelse og jura. At udtrække meningsfuldt tekstindhold fra PDF'er kan dog være en udfordring for softwareudviklere. Heldigvis gør Spatie’s PDF-to-Text-bibliotek denne opgave enkel og effektiv for PHP-udviklere. Dette open source-værktøj leverer en ren og letvægts wrapper omkring den kraftfulde pdftotext-binær fra poppler-utils-pakken. Biblioteket har en intuitiv grænseflade, der gør det muligt for udviklere at udtrække tekst med blot nogle få linjer kode. Det understøtter flersidede dokumenter, PDF'er med kolonner, indlejrede skrifttyper og billeder, forudbehandlede PDF'er (hvis OCR er påført på forhånd) og meget mere.

Spatie PDF-to-Text er et open source PHP-bibliotek, der gør det muligt for softwareudviklere at udtrække ren tekst fra PDF-filer. Det fungerer som en PHP-omslag omkring kommandolinjeværktøjet pdftotext, som er en del af Poppler-pakken. Det betyder, at det ikke er afhængigt af PHP-biblioteker til at parse PDF'en, men i stedet udnytter et modent, gennemtestet binært værktøj, der arbejder hurtigt og med høj nøjagtighed. Selvom biblioteket er skrevet i PHP, fungerer det problemfrit på tværs af forskellige operativsystemer (Linux, macOS og Windows), så længe pdftotext-binæren er tilgængelig. Det er letvægts og trækker ikke unødvendige tredjepartsbiblioteker ind. Dette gør det hurtigere, lettere at vedligeholde og mindre udsat for at gå i stykker på grund af opdateringer i urelaterede afhængigheder.

Previous Next

Kom i gang med PDF-til-tekst

For at køre PDF-to-Text skal du først installere PHP version 5.3 eller højere. Den nemmeste måde at installere PDF-to-Text på er via Composer. Brug venligst følgende kommando for en problemfri installation.

Installer PDF-til-tekst via Composer

composer require spatie/pdf-to-text

Installer PDF-til-tekst via Git-kommando

git clone https://github.com/spatie/pdf-to-text.git 
cd dompdf/lib

Udtræk tekst fra PDF-fil ved hjælp af PHP API

Det open source Spatie PDF-to-Text-bibliotek er minimalistisk af design, fokuseret på at udføre én opgave—at udtrække tekst fra PDF'er—og gøre det godt. Dets enkelhed gør det til et fremragende valg for skræddersyede softwareløsninger såsom fakturaskannere, akademiske forskningsværktøjer, juridiske dokumentbehandlere eller indholdsmigrationssystemer. Det følgende eksempel viser, hvordan softwareudviklere blot kan angive PDF-filens sti, og så er de klar til at udtrække al dens tekstindhold. De kan også tilpasse stien til den binære fil, hvis det er nødvendigt.

Hvordan udtrækker man tekst fra PDF-fil ved hjælp af PHP API?

use Spatie\PdfToText\Pdf;
$text = (new Pdf())
    ->setPdf('example.pdf')
    ->text();

echo $text;
$text = (new Pdf('/custom/path/to/pdftotext'))
    ->setPdf('report.pdf')
    ->text();

Udtræk en specifik del af PDF'en via PHP

Biblioteket giver dig mulighed for at udnytte kraften i pdftotext-kommandolinjeværktøjet ved at understøtte dets forskellige indstillinger. Det betyder, at du kan tilpasse tekstudtrækningsprocessen efter dine specifikke behov. For eksempel kan du bruge indstillinger til at bevare layoutet af den originale PDF, angive et bestemt sideinterval eller sætte opløsningen på outputtet. Det følgende enkle eksempel viser, hvordan softwareudviklere først indstiller layout- og r-indstillingerne og derefter tilføjer f-indstillingen for at specificere den første side i PDF'en.

Hvordan indstiller man forskellige indstillinger for udtræk af PDF-tekst via PHP API?

use Spatie\PdfToText\Pdf;

$text = (new Pdf())
    ->setPdf('table.pdf')
    ->setOptions(['layout', 'r 96'])
    ->addOptions(['f 1'])
    ->text();

echo $text;
 Dansk